基于時序網(wǎng)絡(luò)層間同構(gòu)率動態(tài)演化的重要節(jié)點(diǎn)辨識*

胡鋼 許麗鵬 徐翔

1) (安徽工業(yè)大學(xué)管理科學(xué)與工程學(xué)院, 馬鞍山 243032)

2) (國防科技大學(xué)信息系統(tǒng)工程重點(diǎn)實(shí)驗(yàn)室, 長沙 410073)

時序網(wǎng)絡(luò)可以更加準(zhǔn)確地描述網(wǎng)絡(luò)節(jié)點(diǎn)在時空演化過程中的交互順序變化和交互關(guān)聯(lián)關(guān)系.為辨識時序網(wǎng)絡(luò)中的重要節(jié)點(diǎn), 本文提出基于時序網(wǎng)絡(luò)層間同構(gòu)率動態(tài)演化的超鄰接矩陣建模的重要節(jié)點(diǎn)辨識方法.首先, 依托復(fù)雜網(wǎng)絡(luò)的層間時序關(guān)聯(lián)耦合關(guān)系, 定義了相鄰與跨層網(wǎng)絡(luò)綜合逼近關(guān)系系數(shù).其次, 依據(jù)層內(nèi)連接關(guān)系和層間逼近關(guān)系構(gòu)建時序網(wǎng)絡(luò)超鄰接矩陣.再次, 使用特征向量中心性方法對時序網(wǎng)絡(luò)中的節(jié)點(diǎn)重要性排序, 分析計算時序全局效率差值, 通過肯德爾相關(guān)系數(shù)驗(yàn)證.最后, 實(shí)證數(shù)據(jù)仿真顯示: 與經(jīng)典時序網(wǎng)絡(luò)模型相比, 本文模型所得Kendall’s t值在各時間層上平均提高, 最高為8.37%和2.99%, 結(jié)論表明時序網(wǎng)絡(luò)層間同構(gòu)率的度量方法科學(xué)有效.

1 引 言

動態(tài)時序網(wǎng)絡(luò)研究節(jié)點(diǎn)間的時空交互關(guān)聯(lián)關(guān)系和節(jié)點(diǎn)重要性動態(tài)分類、排序等演化次序辨識,可以更加準(zhǔn)確地刻畫手機(jī)通訊、社交等復(fù)雜系統(tǒng)的交互關(guān)系[1].節(jié)點(diǎn)重要性的評價方法有很多種, 如度中心性[2]、介數(shù)中心性[3]、緊密度中心性[4]、特征向量中心性[5]、K-核中心性[6]等, 不同的評價方法考慮的網(wǎng)絡(luò)特征也各有不同.胡鋼等[7]選取了七個代表性指標(biāo)進(jìn)行網(wǎng)絡(luò)重要性節(jié)點(diǎn)貢獻(xiàn)率排序, 研究網(wǎng)絡(luò)節(jié)點(diǎn)不同重要性指標(biāo)對節(jié)點(diǎn)的影響程度.傳統(tǒng)的節(jié)點(diǎn)重要性排序方法多從……